星凡星启（成都）科技有限公司：大模型推理基础设施赛道的小体量玩家

一、企业速览

企业基础信息：公司名称：星凡星启（成都）科技有限公司；地区：四川省成都市锦江区；行业方向：中间件/数据治理基础软件；成立时间：2021-10-29；注册资本：5933.5319万元；实缴资本：1112.3519万元；员工规模：49人；专利数量：未知 件；专精特新认定：2025年 第七批。

星凡星启（成都）科技有限公司定位为AI基础设施供应商，核心产品包括大模型训练/训推一体机、集群产品以及大模型推理专用芯片，在“电子信息与数字技术”产业链中处于“核心元器件与数字硬件”环节，同时向上延伸至中间件与数据治理基础软件领域。

二、主营产品与产业链定位

2.1 核心产品与解决的核心问题

根据企业简介和经营范围，星凡星启主营三条产品线：

• 大模型训练/训推一体机及集群：面向智算中心、大型企业AI部门，提供端到端的算力交付方案；
• 大模型推理专用芯片与推理异构芯片：针对大模型部署环节的高成本、低效率问题，以专用芯片降低推理侧的单位算力成本；
• 大模型性能加速中间件：在底层芯片与上层应用之间提供算力调度、模型优化、推理加速等软件能力。

核心痛点解决的是大模型从训练到推理部署的“最后一公里”问题：公有云GPU价格高企、国产芯片生态碎片化，企业需要一套软硬结合的方案来降低大模型推理的总拥有成本（TCO）。

2.2 产业链位置分析

上游（原材料/零部件）：AI芯片（GPU、ASIC、FPGA）、HBM高带宽内存、高速互联（NVLink/CXL生态）、电源管理模块、散热模组、PCB基板。典型的上游供应商包括英伟达（进口GPU源）、华为昇腾（国产GPU源）、海光信息（国产DCU）、三星/海力士（HBM）（行业共识）。

中游（本公司定位）：星凡星启处于“核心元器件与数字硬件”环节的集成与加速层——它不自行流片晶圆厂，而是基于现有芯片（进口或国产）进行异构系统设计、推理专用芯片IP研发（可能为ASIC或FPGA方案）、以及整机集成。

下游（客户）：电信运营商（中国移动、中国电信的智算中心采购）、政企客户（政务大模型私有化部署）、互联网公司（内容推荐、智能客服）、金融/医疗等垂直行业。根据四川省专精特新企业样本，该省中间件/数据治理基础软件方向仅4家，表明本地市场竞争者稀缺。

2.3 与产业链其他环节的关系

星凡星启的产品线与以下四个环节紧密关联：

• 上游芯片设计：若其“推理专用芯片”采用自研架构，需依赖芯原股份（IP授权）、台积电/中芯国际（晶圆代工）；
• 基础软件：其“性能加速中间件”直接对接国产AI框架（如百度飞桨、华为昇思、清华计图）；
• 下游算力运营：其“LLM Agent”面向算力中心的全业务场景自动化运维，形成与润建股份、中科曙光等运维平台的竞合关系；
• 终端应用：典型客户为智算中心集成商和独立软件开发商（ISV），后者在推理芯片上二次开发垂直大模型。

三、核心工序与技术依赖

3.1 关键研发/生产工序（行业共识）

大模型推理芯片及训推一体机企业的典型研发流程包含以下核心工序：

3.2 上游关键原材料与设备（行业共识）

3.3 星凡星启的具体定位

基于其经营范围（包括“集成电路芯片设计及服务”“集成电路芯片及产品制造”“云计算设备制造”）与49人团队规模，可推测：

• 星凡星启不是一家重资产芯片设计公司（从零流片至少需200-500人团队），而更可能是一家基于现有芯片的异构集成和系统优化厂商；
• 其推理专用芯片研发大概率集中在FPGA原型验证或低功耗ASIC协处理器方向，而非从架构设计到流片的全栈自研；
• 核心能力集中在中间件软件层和系统集成层——这正是“中间件/数据治理基础软件”归类的原因。

四、竞争格局

4.1 同类企业对比

4.2 竞争维度

全国“核心元器件与数字硬件”环节共有4023家企业，四川省仅此4家中间件方向企业，竞争主要集中在三个维度：

• 芯片生态兼容性：能否同时支持英伟达CUDA、华为CANN、百度昆仑芯等生态；一家适配能力强的厂商可扩大客户覆盖范围；
• 推理性能与性价比：在成本敏感的政企市场，每TOPS推理能力和单位功耗推理量是关键指标；
• 客户渠道与系统集成能力：能否进入电信、政府、金融等高门槛客户的集采名录，决定收入规模。

4.3 专利维度相对位置

行业中位数专利数为89件。星凡星启专利数量为“未知 件”，在公开数据中未体现其知识产权储备。即使假设其0件公开专利，也需要注意到成立仅3.5年的企业可能专利尚未公开或处于申请阶段。但相比于天数智芯、摩尔线程等已完成多轮融资和批量出货的企业，星凡星启在专利维度的可见度极低，这是一个明确的风险信号。

五、护城河判断

5.1 技术壁垒：低

专利数据未知，且公司团队仅49人。一个典型的推理芯片公司（无论是否自研芯片）在软硬件协同优化、算子库开发等环节通常需要至少100-200人。49人团队做全链路开发（从芯片设计到整机出货）几乎不可能覆盖全部环节。其技术路径更可能以现有芯片上的软件优化为主，核心竞争力来源于对特定场景（如政务、金融）的推理调优经验，而非硬件层面的技术壁垒。

5.2 客户壁垒：中低

核心元器件与数字硬件环节，客户验证周期典型的为6-12个月（行业共识）。电信、金融等核心客户的集采需先经过至少1年的POC测试和系统验证。切换成本方面，一旦客户完成了API对接和模型优化，切换新的推理芯片厂商的成本较高（包括重新适配算子库、重新测试模型精度）。但星凡星启作为成立仅3.5年的企业，尚未进入上述核心客户的集采名单（未披露客户信息），客户基础薄弱是核心风险。

5.3 规模壁垒：低

49人的团队规模对应年研发投入可能在1000-3000万元级别（按人均年薪30-50万元估算）。相较于天数智芯、燧原科技等已完成亿级以上融资的企业，星凡星启在资本、人才、产能上均处于劣势。规模壁垒体现在：无法支撑大规模流片（一次28nm流片成本约100万美金，7nm约500万美金），也无法在降价竞争中持续投入。

5.4 认定价值

第七批专精特新“小巨人”于2025年认定。截至第七批，全国累计认定小巨人企业已超1.8万家，政策支持从“身份认定”转向“实绩考核”。本次认定对星凡星启的实际价值体现在：

• 税收优惠：可享受研发费用加计扣除、企业所得税减免等；
• 融资便利：在银行信贷中更易获得供应链金融支持（如创新积分贷、专精特新信用贷）；
• 政府采购倾斜：四川省及成都市在企业端采购中可能对本地小巨人企业有一定倾斜。

但专精特新认定本身不直接带来客户订单或技术突破，其价值取决于企业本身能否在认定周期内实现收入增长和客户突破。

六、风险与机会

6.1 行业风险

风险一：大模型技术迭代导致推理芯片快速贬值。2023年以来，从GPT-3架构到MoE架构的转变，使各类稀疏专家架构对推理芯片的带宽需求、算子支持发生根本变化。如果星凡星启的推理芯片或中间件固化为特定架构（如GPT-3类稠密模型），可能在1-2年内推出市场。

风险二：算力国产化政策支持与市场落地的错配。尽管国产替代政策鼓励使用国产芯片，但推理侧客户（尤其是互联网和金融公司）对性能要求极高，英伟达H100/B200在推理侧仍然有3-5倍的性能优势（行业共识）。星凡星启如果依赖国产芯片进行集成，其产品的竞争力将被上游芯片性能天花板限制。

风险三：盈利能力未验证。该企业营收未披露，且成立不足4年、员工仅49人。历史上大量AI芯片初创企业（如壁仞科技、沐曦集成等）均经历大规模流片失败或出货不及预期的困境。星凡星启的“低配版”模式能否跑通商业化，尚无公开证据支持。

6.2 公司风险

• 资本结构风险：注册资本5933.5319万元，但实缴资本仅1112.3519万元，实缴比例18.7%。实缴比例过低说明创始团队融资后未充分到账，或存在股权溢价与现金注入不同步的问题；
• 专利沉默风险：专利总量未知，在有公开专利库和第三方公开数据等渠道可查的背景下，一家芯片/跨产业公司持有0件（或极少量）公开专利是显著信号——要么研发能力极薄弱，要么知识产权管理极度混乱；
• 团队规模与业务不匹配：49人要覆盖芯片设计、中间件开发、整机集成、客户支持等全链条，极有可能依赖大量外包和代理商模式，这削弱了技术壁垒和客户粘性。

6.3 机会窗口

机会一：推理市场爆发，垂直场景是蓝海。2025-2026年，随着AI大模型从训练向推理迁移，推理芯片市场预计保持60%以上年复合增长率。星凡星启可聚焦特定垂直场景（如政务知识问答、医疗影像推理、金融风控），避开与天数智芯、摩尔线程在通用GPU市场的正面竞争。专精特新身份有助于其在政府采购场景中获取首批客户和试点项目。

机会二：中间件层国产替代的“轻资产”路径。作为一家49人的公司，如果能把重心放在大模型推理加速中间件（而非自研芯片），可以成为各家国产芯片的“加速层中间件”，绑定华为昇腾、海光光伦等生态，做轻量化的软硬集成。这种模式的资本投入远低于芯片研发，且利润率可观（中间件license模式毛利率可达60-80%）（行业共识）。星凡星启的经营范围中已有“人工智能基础软件开发”“集成电路设计”等资质，具备向此方向转型的合规基础。